基于时序知识推理的时序知识图谱补全方法

基于知识推理的知识图谱补全技术研究在静态图谱上已经获得了较为明显的效果,但其在处理与时间相关的事件上仍存在着不足,而基于时序推理的知识图谱补全方法更加贴合真实事件,有较高的研究价值。然而,现有的时序知识图谱补全技术在处理节点信息和全局信息上存在局限性问题。因此,提出了一种基于注意力聚合邻居信息并使用双向LSTM处理时间信息的改进方法。首先,通过推理预测的方式补全时序知识图谱中缺失的信息,并在推理过程中生成推理路径图来解决由神经网络所带来的不可解释性问题;然后,使用4种不同时间跨度的公开数据集进行了实验并与主流方法进行了比较。实验结果表明:所提方法在R mr、h@1和h@10这3个指标上是优于现有方法的。

融合知识推理与相似度检索的民众诉求大模型构建与应用

高效回复民众诉求是实现智能化管理、提升民众满意度的必要措施,将智能问答应用于民众诉求能有效节约人力和时间资源。然而,智能问答中基于规则和检索的模型依赖预设知识,当诉求超出预设知识范围时无法提供有效回复,在处理多轮对话时也无法保持对话连贯性。现有的大语言模型可以和用户流畅对话,但通用大语言模型缺乏诉求领域知识。由于训练数据中问答对的信息没有覆盖回答用户问题所需要的知识,导致通用大语言模型生成错误回复或答非所问,产生幻觉。针对上述问题,构建了面向民众诉求领域的智能问答大语言模型(PC-LLM)。设计基于BERT-BiLSTM-CRF的实体关系抽取模型获得诉求工单中实体及其关系,进而构建诉求知识图谱,使用BERT模型对诉求工单向量化并构建诉求工单向量索引库;回复生成阶段,抽取用户诉求的实体和关系,在诉求知识图谱中通过实体链接进行知识推理,获取潜在关系提示,同时在诉求工单向量索引库内对诉求进行快速检索,获取相似诉求并构建相似诉求提示;将潜在关系提示、相似诉求提示与用户诉求融合形成综合提示,引导大语言模型生成准确的回复。实验分析显示,该大语言模型在诉求数据集中的表现明显优于ChatGPT4o、文心一言、通义千问等大语言模型。

融合HousE和注意力机制的知识推理模型

知识推理技术是解决知识图谱缺失问题所提出的方法,并在近年来不断发展。为了解决推理中准确度低、可解释性差、适用性不强等问题,提出了一种融合注意力机制和HousE的知识推理模型Att-HousE。该模型由一个带注意力机制的规则生成器和一个带HousE嵌入的规则预测器组成,规则生成器生成推理需要的规则并传入预测器,预测器更新并得到不同规则的得分,然后通过EM算法不断训练优化生成器与预测器。具体而言,该模型是建立在RNNLogic的基础上并作出改进,注意力机制可以选取更值得关注的关系作为规则,提高了模型准确度,HousE嵌入则在处理复杂关系上更具有灵活性,并适用于建立多边关系。在公开实验数据集上的结果表明,Att-HousE在FB15K-237上做推理任务时,MRR指标整体比RNNLogic高出6.3%;在稀疏数据集WN18RR上,Hits@10指标整体比RNNLogic高出2.7%,证明了引入HousE和注意力机制后可以更全面地抓取和形成多边关系,提升知识推理的精度。

一种分层强化学习的知识推理方法

针对知识推理过程中,随着推理路径长度的增加,节点的动作空间急剧增长,使得推理难度不断提升的问题,提出一种分层强化学习的知识推理方法(knowledge reasoning method of hierarchical reinforcement learning,MutiAg-HRL),降低推理过程中的动作空间大小。MutiAg-HRL调用高级智能体对知识图谱中的关系进行粗略推理,通过计算下一步关系及给定查询关系之间的相似度,确定目标实体大致位置,依据高级智能体给出的关系,指导低级智能体进行细致推理,选择下一步动作;模型还构造交互奖励机制,对两个智能体的关系和动作选择及时给予奖励,防止模型出现奖励稀疏问题。为验证该方法的有效性,在FB15K-237和NELL-995数据集上进行实验,将实验结果与TransE、MINERVA、HRL等11种主流方法进行对比分析,MutiAg-HRL方法在链接预测任务上的hits@k平均提升了1.85%,MRR平均提升了2%。

ProofsNavigator:基于引导的可解释知识推理方法

让大规模语言模型生成推理步骤有助于构建可解释的知识推理系统。现有的知识推理方法可能生成不可靠并且与目标无关的推理步骤。为解决这一问题,该文提出一种基于引导的逐步推理方法ProofsNavigator。首先,使用通过Beam搜索生成多个候选推理步骤;然后,通过分别对候选推理步骤的有效性以及跟假设的相关性进行验证,挑选高质量的推理步骤;最后,将所选择的推理结论加入知识集中以进行下一轮循环。实验结果显示,该方法在三个难度依次递增的任务上的准确率分别为40.0%、35.6%和7.1%,比先前最优对比方法分别高1.1%、2.3%和0.2%。此外,该方法在标注数据较少的情况下仍能保持较好的性能。

基于中成药知识图谱的知识推理及智能推荐

目的/意义构建中成药说明书知识图谱,实现基于知识推理的智能推荐。方法/过程基于Py2neo结合Neo4j图数据库搭建知识图谱的技术,整理1380种中成药信息并构建数据库,基于三元闭包算法实现知识推理,运用概率模型计算中成药推荐评分。结果/结论共形成实体概念11103个,语义关系24种。构建了中成药智能推荐知识图谱,搭建中成药智能推荐平台实现中成药的准确推荐。实现中成药与知识图谱领域结合,为中医辅助诊疗提供方法借鉴,为进一步开展中成药知识可视化研究提供参考。

基于浅层知识和深层知识推理的故障诊断专家系统工具

以专家系统和诊断问题求解为基础，建立了基于浅层知识和深层知识推理相结合的故障诊断专家系统工具。文中论述了工具的结构、知识表示、参数设计、推理机制、黑板控制、学习机制和其它支持环境。

基于本体的数字图书馆检索模型研究（Ⅳ）——历史领域知识推理机制

基于本体的领域知识推理主要分为基于逻辑的领域知识检错推理和基于关系的领域蕴涵知识发现推理。对本体描述的领域知识进行推理，可以检测知识逻辑体系错误，减少领域本体构建繁琐的工作量，减轻对领域专家的依赖，发现领域蕴涵知识。在国共合作领域知识进行语义关系分析的基础上，提炼推理规则库，并分别运用TABLEAU算法和RETE模式匹配算法，在推理引擎Racer和Jena中实现了逻辑检错推理和蕴涵知识发现推理。

可拓知识与可拓知识推理

论述可拓知识是对知识概念的扩展,可拓知识推理是知识推理的扩展,证明可拓推理公式的正确性．利用可拓数据挖掘定理和实例,探讨可拓知识的获取,并说明可拓知识推理的应用．

基于知识推理的博弈树搜索算法

针对搜索技术中存在的由于搜索空间过于巨大而引起的搜索效率下降的缺点,该文提出了一种把规则提取、知识推理、搜索相结合的新算法。并把该算法运用到中国象棋中去。实验结果表明,该算法不但能保证博弈水平,还能提高搜索效率。

基于知识推理的水电智能化在线调度技术

针对水电调度运行易受预测来水和负荷需求不确定性、调度关系复杂性、约束条件多样性等制约,介绍了基于知识推理的水电调度的技术解决方法。该方法建立了增量式调度知识库,采用了基于知识推理的规则匹配和智能模型方法,制订了水电在线调度方案。以葛洲坝水电站为例进行验证,结果表明该方法具有结果透明、实用、智能、快捷等特征。

采煤机概念设计的知识表示与知识推理

为实现采煤机概念设计知识和经验的重用,针对采煤机设计领域知识的可分解性、多样性和模糊性等特点,提出了以面向对象为主、产生式规则为辅的知识表示方法,建立了采煤机概念设计实例库和规则库,并将基于实例和规则推理的集成推理机制应用于采煤机概念设计知识推理中。最后以UG为平台开发了采煤机概念设计系统,实现了知识驱动的采煤机概念设计自动化,积累了设计经验和知识,缩短了产品设计周期。通过工程应用实例验证了该方法的有效性与可靠性。

基于知识推理的水库智能化调度决策技术研究

针对传统调度决策中存在水力资源优化利用效果不佳和计算效率低等问题,基于水库调度决策工程实践,应用知识推理机理,以调度函数为规则库,提出了一种基于知识推理的水库智能化调度决策新方法。实例对比分析结果验证了该法有效、可行。

基于图知识推理的输电线路缺销螺栓识别方法

针对输电线路缺销螺栓识别任务中存在的视觉不可分与样本不平衡问题,提出了基于图知识推理的输电线路缺销螺栓识别方法。首先通过知识表达模块学习到各类螺栓有判别力特征的类别表示;然后深入挖掘螺栓数据集中螺栓种类之间的相关性,提取出标签共现信息;最后将类别表示作为输入特征,以静态图和动态图的相关概率矩阵表征标签共现信息,通过知识推理模块完成图知识的传播与增强,从而实现缺销螺栓的识别。在实验阶段,将所选取的3类金具上的6种螺栓作为实验对象。对比实验结果表明,本文方法对缺销螺栓的识别效果优于其他方法,较原始模型提升了9.13%的准确率。消融实验结果表明,本文所提取的螺栓类别表示、静态图及动态图信息均能够提升缺销螺栓的识别效果。

语言真值直觉模糊逻辑的知识推理

针对格蕴涵代数、直觉模糊集及知识表示、基于语言真值直觉模糊代数的相关性质及运算方法,提出了六元语言真值直觉模糊代数的相关逻辑性质,并在六元语言真值直觉模糊知识表示的基础上,将模糊推理的CRI方法进行扩展,研究得出了六元语言真值直觉模糊推理的方法即6LTV-CRI算法。而后将直觉模糊推理与六元语言真值直觉模糊推理方法进行对比分析,验证了6LTV-CRI推理算法的合理性,并分析了其优缺点。

一种知识推理规则归纳系统的实现

从经验数据归纳出决策规则的主要障碍之一是对象中信息的不一致。本文综合粗糙集理论、遗传算法及布尔逻辑各自的特点 ,提出集成的归纳学习方法 ,开发出一个能够从不一致信息中归纳出完备性规则和可能性规则归纳引擎 ,应用事例数据对系统进行验证并给出验证结果。

基于进程演算和知识推理的安全协议形式化分析

安全协议的形式化分析是当前安全协议研究的热点,如何扩充现在已经成熟的理论和方法去研究更多的安全性质,使同一系统中各种安全性质在统一的框架下进行分析和验证是一个亟待解决的问题.进程演算是一强有力的并发系统建模工具,而结合知识推理可以弥补进程演算固有的缺乏数据结构支持的特点,以此提出了一个安全协议形式化分析的一般模型.基于此模型,形式化地定义了一些安全性质,给出了一个实例研究,并指出了进一步完善此模型的研究方向.

多源数据融合的物联网安全知识推理方法

随着信息技术产业的发展和物联网设备数量的增长,物联网安全防御的难度与复杂度不断上升,针对物联网与供应链的重大安全事件时有发生,这些事件揭示了物联网供应链安全管理的复杂性.目前存在许多信息安全公开知识库可用于物联网安全威胁分析,但知识库的异构性使威胁评估十分困难.对多个信息安全知识库进行研究,将防御方所关注的安全知识来源与攻击者的战术、技术和攻击模式整合成一个统一的关系映射链接图知识库,并导入威胁情报,旨在利用已披露的威胁事件来提升物联网安全威胁要素评估能力.提出了一个物联网供应链风险分析本体RIoTSCO,并以此模型为基础设计了物联网安全下的推理规则,利用本体的表达能力建立物联网安全领域知识之间的语义关系,以解决多源知识的语义异质性问题.同时,在一个物联网环境示例中基于所提方法进行安全评估,自动化推理缓解措施以应对威胁事件,并描绘威胁事件所能波及到的上下游供应链情报全貌.

基于知识推理的变压器局部放电故障检测技术

局部放电故障诊断是用于检测电力系统设备中的高压绝缘内的缺陷。但是由于相关的背景知识和专业领域知识有限,从原始的监测数据中提取有价值的故障信息就面临了很大的挑战。文中开发了一个基于知识推理系统的变压器的局部放电故障检测技术。对局部放电传感器所采集的信息进行处理,获得相位解析的三维图,并通过对三维图进行分类、提取显著特征的方法对变压器故障进行诊断和定位。系统可以通过对大量广泛的局部放电行为的诊断和缺陷源的分类,支持在线设备状态评估和故障诊断。同时文中用此方法对一个未知的混合放电行为进行诊断,发现诊断精度高于传统的模式识别检测技术。

Bayesian网知识推理在ITS学习推荐中的应用研究

提出了一种基于Bayesian网的知识推理网络和知识推理算法,该算法利用Bayesian知识推理网和Bayesian概率公式,从现有学习资源库和教学方法库中推荐出最符合学生特征的k种学习资源和k种教学方法,从而实现ITS的智能学习推荐功能。